一种符合数据隐私安全的自动驾驶数据处理方法及系统技术方案

本发明专利技术公开了一种符合数据隐私安全的自动驾驶数据处理方法及系统，处理方法包括以下步骤：步骤1、收集车辆自动驾驶数据；步骤2、对数据进行预处理；步骤3、对数据进行特征提取；步骤4、进行自动驾驶的控制指令计算；步骤5、进行数据分类和标注；步骤6、得到车辆自动驾驶的数据评分，若数据评分达到用户预设阈值，则生成元数据，车辆发起把元数据打包进区块的请求，当通过所有节点确认后，完成数据确权，同时将该元数据对应的自动驾驶数据进行存储。本发明专利技术在保障自动驾驶数据所有者的隐私及权益的基础上，可对难例数据进行发掘及分类，还能促使智能汽车用户更积极主动地贡献自动驾驶数据。据。据。

【技术实现步骤摘要】
一种符合数据隐私安全的自动驾驶数据处理方法及系统


[0001]本专利技术涉及汽车自动驾驶数据处理
，特别是一种符合数据隐私安全的自动驾驶数据处理方法及系统。

技术介绍

[0002]目前，已经有公开的专利技术利用旗下的大规模车队收集海量数据，从而反哺迭代其自动驾驶系统性能。智能汽车上集成的摄像头、激光雷达、毫米波雷达、测速仪、导航仪等各类传感器和各类APP，时刻都在收集车辆的环境信息、车辆行驶信息和个人信息。因此，过去智能移动终端存在的安全问题也将“转移”到智能汽车上，数据安全、个人信息、人身安全以及公共安全问题也将成为智能汽车商用的“拦路虎”。近年来，随着智能网联汽车的加速发展，智能汽车数据安全问题已成为行业关注的重点。
[0003]虽然目前也有采用联邦学习或区块链来保障智能汽车用户的隐私及数据安全的技术，但现有的技术并非专门设计用于自动驾驶领域的数据收集，不具备对难例数据的发掘及分类能力，也缺乏对用户同意贡献数据的激励机制，导致最终数据收集效率较低，机构、企业之间缺乏数据共通、共享的积极性，更难以用于自动驾驶车辆的性能提升。因此，需要提出新的在满足数据安全法及用户隐私保护前提下的自动驾驶车辆大数据采集系统。

技术实现思路

[0004]本专利技术的目的在于，提供一种符合数据隐私安全的自动驾驶数据处理方法及系统。本专利技术在保障自动驾驶数据所有者的隐私及权益的基础上，可对难例数据进行发掘及分类，还能促使智能汽车用户更积极主动地贡献自动驾驶数据。
[0005]本专利技术的技术方案：一种符合数据隐私安全的自动驾驶数据处理方法，包括以下步骤：
[0006]步骤1、收集由车辆传感器测得的外界感知数据以及车辆自身的行为状态数据组成的车辆自动驾驶数据；
[0007]步骤2、对收集到的车辆自动驾驶数据进行预处理，将其转化为结构化的标准格式；
[0008]步骤3、对预处理后的数据进行特征提取，得到收集的外界感知数据的特征矩阵F
sensor
以及车辆行为状态数据的高维状态特征F
state
；
[0009]步骤4、基于特征提取后得到的数据F
sensor
和F
state
，进行自动驾驶的控制指令计算，得到决策控制信号序列U
model
；
[0010]步骤5、对特征提取后得到的数据F
sensor
和F
state
进行数据分类和标注，形成第一数据包；
[0011]步骤6、收集车辆实际执行的动作信号序列U
real
，将U
real
和U
model
进行比对得到基础评分E
base
，再根据第一数据包的数据稀缺性给出一个额外评分E
bonus
，将基础评分E
base
与额外评分E
benus
进行整合，得到车辆自动驾驶的数据评分E
adjust
，将第一数据包更新为包含数据
评分E
adjust
的第二数据包；
[0012]若数据评分E
adjust
达到用户预设阈值，则生成一个包含第二数据包内所有数据的元数据，车辆发起把元数据打包进区块的请求，当通过所有节点确认后，完成数据确权，同时将该元数据对应的自动驾驶数据进行存储。
[0013]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤1中的外界感知数据包括激光雷达数据、相机数据、毫米波雷达数据、超声波雷达数据；其中，外界感知数据这些来自传感器的外界环境图像、点云数据可支持基于深度学习的感知算法做模型训练。
[0014]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤1中车辆自身的行为状态数据包括地图数据、组合导航数据、轮速脉冲数据、V2X数据、车辆执行动作数据、车身电子稳定系统数据和电池电量SOC水平；其中，车辆行为状态数据可用于基于强化学习的决策规划算法进行模型训练和迭代。
[0015]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤2中的数据预处理包括图像去畸变、时间同步和信号滤波。
[0016]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤3中使用通用的神经网络模型对外界感知数据进行特征提取及数据融合得到特征矩阵F
sensor
，这些特征矩阵用于后续负责不同检测任务的神经网络模型的输入，最后进行车辆的决策和控制；同时，这些特征矩阵也用于对自动驾驶数据的分类、评分和元数据生成。
[0017]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤3中使用规则判断的方式对车辆行为状态数据进行特征提取，形成表示车辆当前驾驶行为、整体运行状态及位置的高维状态特征F
state
，F
state
＝[当前位置坐标，导航目的地坐标，导航规划路径点，当前道路区域，当前车辆控制动作，当前车辆状态，外界交通情况，外界天气情况，时间]。
[0018]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤5中使用监督学习算法对数据场景进行多级分类，使用半监督学习方法进行数据的半自动化标注。
[0019]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤6中，将U
real
和U
model
两者差值的绝对值作为基础评分E
base
，车辆实际执行的动作与模型输出的动作相差越大，基础评分E
base
越高，
[0020][0021]E
adjust
＝A*E
base
+B*E
bonus
[0022]其中，T为每次采集的数据包总帧数，A、B分别代表两项评分的权重，可自由调整，可见E
adjust
由数据的后续使用热度、稀缺程度来衡量。
[0023]针对数据的评分用于后续数据需求方做数据的筛选以及评估数据使用需要付出的开销，也对应于数据持有者基于此包数据能获得的收益，因此，通过E
adjust
评分机制可以较好的发掘出难例场景及高价值数据。
[0024]前述的一种符合数据隐私安全的自动驾驶数据处理方法中，所述步骤6中，当车辆发起把元数据打包进区块的请求时，所有节点通过POW机制竞争元数据打包权；获取到元数据打包权的车辆方与该数据所有者分享后续的数据权益；每个节点在对数据进行区块链认
证时，通过元数据提供的信息同步检索是否已经有相近数据的存在。
[0025]当有数据需求方想要基于用户高价值数据更新自身算法模型时，可通过区块链网络搜索锁定想要使用的元数据及对应的自动驾驶数据，随后将自身需要迭代的算法模型上传至对应的受监管的数据存储中心，进行远程的模型训练后再下载回本地。这个过程产生的费用收益将由数据中心、数据所有者以及数据打包者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种符合数据隐私安全的自动驾驶数据处理方法，其特征在于，包括以下步骤：步骤1、收集由车辆传感器测得的外界感知数据以及车辆自身的行为状态数据组成的车辆自动驾驶数据；步骤2、对收集到的车辆自动驾驶数据进行预处理，将其转化为结构化的标准格式；步骤3、对预处理后的数据进行特征提取，得到收集的外界感知数据的特征矩阵F
sensor
以及车辆行为状态数据的高维状态特征F
state
；步骤4、基于特征提取后得到的数据F
sensor
和F
state
，进行自动驾驶的控制指令计算，得到决策控制信号序列U
model
；步骤5、对特征提取后得到的数据F
sensor
和F
state
进行数据分类和标注，形成第一数据包；步骤6、收集车辆实际执行的动作信号序列U
real
，将U
real
和U
model
进行比对得到基础评分E
base
，再根据第一数据包的数据稀缺性给出一个额外评分E
bonus
，将基础评分E
base
与额外评分E
bonus
进行整合，得到车辆自动驾驶的数据评分E
adjust
，将第一数据包更新为包含数据评分E
adjust
的第二数据包；若数据评分E
adjust
达到用户预设阈值，则生成一个包含第二数据包内所有数据的元数据，车辆发起把元数据打包进区块的请求，当通过所有节点确认后，完成数据确权，同时将该元数据对应的自动驾驶数据进行存储。2.根据权利要求1所述的一种符合数据隐私安全的自动驾驶数据处理方法，其特征在于：所述步骤1中的外界感知数据包括激光雷达数据、相机数据、毫米波雷达数据、超声波雷达数据。3.根据权利要求1所述的一种符合数据隐私安全的自动驾驶数据处理方法，其特征在于：所述步骤1中车辆自身的行为状态数据包括地图数据、组合导航数据、轮速脉冲数据、V2X数据、车辆执行动作数据、车身电子稳定系...

【专利技术属性】
技术研发人员：郑鑫宇，赵国凯，樊洪志，诸佳航，
申请(专利权)人：宁波均胜智能汽车技术研究院有限公司，
类型：发明
国别省市：